基于RGB-D图像的室内场景语义分割方法
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 专用术语注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景动机与意义 | 第12-13页 |
| 1.2 国内外研究现状概述 | 第13-17页 |
| 1.3 研究内容与主要贡献 | 第17-18页 |
| 1.4 全文组织结构 | 第18-20页 |
| 第二章 室内场景理解的基本概念及相关原理 | 第20-33页 |
| 2.1 图像语义标注概述 | 第20-22页 |
| 2.2 过分割与图像语义标注 | 第22-25页 |
| 2.3 决策树与图像语义标注 | 第25-27页 |
| 2.4 CRFs概率图模型与图像语义标注 | 第27-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 室内RGB-D场景语义分割 | 第33-46页 |
| 3.1 语义标注框架 | 第33-35页 |
| 3.2 框架构建流程 | 第35-37页 |
| 3.3 深度获取设备与RGB-D数据集 | 第37-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 粗粒度区域级语义标签推断 | 第46-70页 |
| 4.1 改进型SLIC过分割 | 第46-55页 |
| 4.1.1 SLIC过分割算法 | 第47-49页 |
| 4.1.2 图像分层显著度检测 | 第49-52页 |
| 4.1.3 改进型过分割的相似性测度 | 第52-54页 |
| 4.1.4 改进型过分割的算法流程 | 第54-55页 |
| 4.2 随机决策森林分类器 | 第55-59页 |
| 4.3 训练与测试样本集的构建 | 第59-63页 |
| 4.3.1 超像素区域特征单元选择 | 第60-62页 |
| 4.3.2 基准标注信息的映射准则 | 第62-63页 |
| 4.4 实验与分析 | 第63-69页 |
| 4.4.1 主观评价实验 | 第64-67页 |
| 4.4.2 客观评价实验 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 细粒度像素级语义标签求精 | 第70-90页 |
| 5.1 概率图模型结点远距离交互 | 第70-72页 |
| 5.2 稠密CRFs概率图基本模型 | 第72-76页 |
| 5.2.1 高斯成对项势能 | 第72-73页 |
| 5.2.2 基于晶格滤波的模型推断 | 第73-76页 |
| 5.3 改进型稠密CRFs概率图模型 | 第76-79页 |
| 5.3.1 深度信息获取与势能扩展 | 第76-78页 |
| 5.3.2 内部递归式反馈方法 | 第78-79页 |
| 5.4 全局递归式反馈机制 | 第79页 |
| 5.5 实验与分析 | 第79-89页 |
| 5.5.1 主观评价实验 1 | 第80-83页 |
| 5.5.2 主观评价实验 2 | 第83-85页 |
| 5.5.3 客观评价实验 1 | 第85-87页 |
| 5.5.4 客观评价实验 2 | 第87-89页 |
| 5.6 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-93页 |
| 6.1 全文工作总结 | 第90-91页 |
| 6.2 未来工作展望 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 附录1 攻读硕士学位期间申请的专利 | 第97-98页 |
| 致谢 | 第98页 |
